当今信息化时代,热点事件的发展在强大的互联网作用下传播及时且迅速,微博等网络社交媒体在舆情传播过程中起到了重要作用。对社交网络文本进行情感分析能够有效反映舆情的发展和变化,对舆情发展的预测和研判能够更好地起到辅助决策和有效处理的作用,因此本论文课题具有重要的研究意义和应用价值。目前对文本的情感分析主要针对单个文本进行,通过挖掘文本情感特征进行情感极性判断,缺乏对多用户、多文档的情感进行整体融合分析,并且,已有方法大多关注于文本自身所挖掘出的信息,主要包括情感词、词性等传统文本特征,对文本所在领域、场景关联特征的考虑较少,例如对社交平台上不同用户的身份差异以及时间先后序列等特征的研究较少。因此,本文从微博类社交网络平台上面向P2P网贷企业领域的舆情文本信息出发,结合情感分析与时间序列研究,实现了一种包含情感特征以及时序信息的文本表征,探讨了多用户、多文档情感融合分析,并且结合社交网络特定场景,考虑不同社交用户身份和时间先后序列等关联特征,提出并实现了一种时间+用户双注意力机制模型,对时间维度的影响力以及用户重要性表示等社交网络关联特征加以利用,实现了P2P网贷企业社交网络舆情文本信息的情感态势预测和分析,并通过真实数据进行实验,结果表明在三系不同数据中F1值分别达到0.837、0.756和0.850,均高于LSTM等其他5种深度学习算法,验证了其有效性。同时,为了能够科学的量化反映舆情态势的发展演化和未来趋势,本文构建了一个适用于P2P网贷企业领域的社交网络舆情指标体系,对舆情热度趋势实现量化计算,通过实验与真实值对比,结果表明准确率达到98%以上,有效刻画了舆情不同阶段的发展特点。在此基础上,综合所有研究工作,设计实现了一个舆情态势研判原型系统。